基于二次索引技術(shù)的XML查詢研究.pdf

1、XML作為新一代的數(shù)據(jù)交換標(biāo)準(zhǔn)，在網(wǎng)絡(luò)上的應(yīng)用越來越多，由此也產(chǎn)生了大量的XML數(shù)據(jù)。如何對(duì)XML數(shù)據(jù)進(jìn)行有效的查詢處理成為現(xiàn)在研究的熱點(diǎn)。而XML作為半結(jié)構(gòu)化數(shù)據(jù)具有自定義、可擴(kuò)展等特性，這些特性對(duì)XML數(shù)據(jù)查詢工作造成了一定的困難。
　　 索引作為加速查詢處理的一種重要手段，在許多領(lǐng)域中都起著關(guān)鍵性的作用。因此，利用索引來提高數(shù)據(jù)的查詢效率是一種可行的辦法，本文在對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行綜合分析的基礎(chǔ)上，進(jìn)一步對(duì)XML索引技術(shù)進(jìn)

2、行了深入的研究。
　　 論文對(duì)近年來提出的索引方法進(jìn)行了學(xué)習(xí)研究，分析了現(xiàn)有索引的特點(diǎn)和優(yōu)缺點(diǎn)，在此基礎(chǔ)上提出了一種根據(jù)路徑采用不同的索引結(jié)構(gòu)進(jìn)行查詢的方法。該方法根據(jù)查詢路徑有簡(jiǎn)單路徑和分支路徑之分，分別采用壓縮樹索引和哈希編碼索引進(jìn)行處理。
　　 壓縮樹索引的方法對(duì)查詢過程中的簡(jiǎn)單路徑表達(dá)式進(jìn)行處理。該方法不僅在組級(jí)提供了簡(jiǎn)潔的路徑概要，而且在元素級(jí)提供了父子關(guān)系的詳細(xì)連接信息。當(dāng)元素級(jí)映射可以快速的訪問一個(gè)元素的父

3、節(jié)點(diǎn)時(shí)，組級(jí)可以有效地減少搜索空間。該索引使用基于組的元素引用替換了對(duì)元素進(jìn)行編碼，減小了索引所需的空間。同時(shí)，引入改進(jìn)的正排索引和倒排索引加快對(duì)元素的判斷，更高效的獲得索引組中的信息?；诮M級(jí)的元素作為參考，不僅可以使壓縮樹根據(jù)組聚類成倒排表從而為倒排表和組范圍(組一級(jí))的結(jié)構(gòu)索引提供更好的連接，還可以根據(jù)組級(jí)的元素信息很容易的對(duì)不同類型的XML數(shù)據(jù)進(jìn)行分類，將相近的元素放在一起以便于索引。基于壓縮樹的查詢處理方法能加速查詢分析，并在

4、處理的早期極大地減少搜索空間。
　　 哈希編碼索引的主要思想是XML文檔中的每一個(gè)節(jié)點(diǎn)對(duì)應(yīng)索引樹中的一個(gè)節(jié)點(diǎn)，索引樹中的非葉子節(jié)點(diǎn)存放著該節(jié)點(diǎn)在XML文檔中的位置，索引樹的邊存儲(chǔ)的是XML文檔中父節(jié)點(diǎn)到其子節(jié)點(diǎn)的路徑哈希碼。索引樹中的葉子節(jié)點(diǎn)存放著XML節(jié)點(diǎn)的數(shù)據(jù)。哈希編碼路徑索引樹具有比較好的擴(kuò)展性，該索引通過存儲(chǔ)節(jié)點(diǎn)的哈希編碼來代替以前索引中存儲(chǔ)節(jié)點(diǎn)的字符串的方法，從而減少了索引文件所需的存儲(chǔ)空間。通過對(duì)文檔樹中節(jié)點(diǎn)進(jìn)行編碼